基于机器学习的海冰密集度估计技术：从SAR图像估计密集度图的端到端工作流
信号处理
2022-05-04 v1
摘要
海冰密集度是用于刻画极地海冰行为的一项重要指标。理解该行为并准确表征它对于气候科学研究至关重要，并且在海上导航方面也有重要用途。本文提出了一种端到端工作流，利用合成孔径雷达数据并在现有被动微波数据上训练，以生成学习得到的密集度估计模型。我们引入了一种新的目标函数，用以考虑被动微波测量中的不确定性，该函数可扩展以考虑训练数据中任意来源的误差，并使用最近的一组现场观测来评估所选被动微波密集度估计模型的可靠性。我们使用 Google Colaboratory 作为开发平台，所有笔记本、训练数据和训练好的模型均可在 GitHub 上获取。本章概述了该项研究中最有趣的方面，详细报告也可在 GitHub 上获取。
引用
@article{arxiv.2205.01403,
title = {Sea Ice Concentration Estimation Techniques Using Machine Learning: An End-To-End Workflow for Estimating Concentration Maps from SAR Images},
author = {Stefan Dominicus and Amit Kumar Mishra},
journal= {arXiv preprint arXiv:2205.01403},
year = {2022}
}
备注
A modified version of this work has been published as a chapter in the monograph New Methodologies for Understanding Radar Data published by The IET (ISBN-13 978-1-83953-188-0)